ETH Zurich（苏黎世联邦理工学院）

JumpLoRA: Sparse Adapters for Continual Learning in Large Language Models

JumpLoRA: 大型语言模型中持续学习的稀疏适配器

Alexandra Dragomir, Ioana Pintilie, Antonio Barbalau, Marius Dragoi, Florin Brad, Cristian Daniel Paduraru, Alexandru Tifrea, Elena Burceanu, Radu Tudor Ionescu

机构 * Bitdefender（Bitdefender公司） ； ETH Zurich（苏黎世联邦理工学院） ； University of Bucharest（布加勒斯特大学） 纠错

AI总结 JumpLoRA通过JumpReLU门控在LoRA块中诱导稀疏性，实现动态参数隔离，提升IncLoRA性能并超越ELLA方法。

Towards Robust Deep Learning-based Rumex Obtusifolius Detection from Drone Images

面向无人机图像的鲁棒深度学习Rumex Obtusifolius检测

Fabian Dionys Schrag, Mehmet Ozgur Turkoglu, Konrad Schindler, Ralph Lukas Stoop

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文研究了通过无人机图像对Rumex进行分类的领域适应问题，发现基于ResNet的CNN模型在目标域表现不佳，而预训练的Vision Transformer在领域转移中表现更优，公开了包含15次飞行数据的AGSMultiRumex数据集。

Comments under review

VISION-SLS: Safe Perception-Based Control from Learned Visual Representations via System Level Synthesis

VISION-SLS：通过系统级合成实现基于学习视觉表征的安全感知控制

Antoine P. Leeman, Shuyu Zhan, Melanie N. Zeilinger, Glen Chou

机构 * Institute for Dynamic Systems and Control, ETH Zürich（动态系统与控制研究所，苏黎世联邦理工学院） 纠错

AI总结 本文提出VISION-SLS方法，通过高分辨率RGB图像实现非线性输出反馈控制，在校准的不确定性范围内保证约束满足。方法结合学习的低维观测映射和系统级合成策略，实现可扩展的安全控制。

Comments Extended version; conference version to appear in Robotics: Science and Systems XXII (RSS 2026)

Measuring the Permission Gate: A Stress-Test Evaluation of Claude Code's Auto Mode

衡量许可之门：对Claude Code自动模式的压测评估

Zimo Ji, Zongjie Li, Wenyuan Jiang, Yudong Gao, Shuai Wang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文通过AmPermBench评估Claude Code自动模式在模糊授权场景下的表现，发现其误判率显著高于生产环境，揭示了系统在处理模糊任务时的覆盖边界问题。

C3G: Learning Compact 3D Representations with 2K Gaussians

C3G：通过2K高斯学习紧凑的3D表示

Honggyu An, Jaewoo Jung, Mungyeom Kim, Chaehyun Kim, Minkyeong Jeon, Jisang Han, Kazumi Fukuda, Takuya Narihira, Hyuna Ko, Junsu Kim, Sunghwan Hong, Yuki Mitsufuji, Seungryong Kim

机构 * KAIST AI（韩国成均馆大学人工智能研究所） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； SONY AI（索尼人工智能） ； Sony Group Corporation（索尼集团） 纠错

AI总结 本文提出C3G框架，通过学习可训练标记聚合多视图特征，生成紧凑且几何意义明确的3D高斯表示，提升场景重建与理解的效率和精度。

Comments Project Page : https://cvlab-kaist.github.io/C3G/

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression

高维高斯线性回归中早停镜像下降法的风险界

Tobias Wegel, Gil Kur, Patrick Rebeschini

机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Department of Statistics, University of Oxford（牛津大学统计系） 纠错

AI总结 研究高维高斯线性回归中早停镜像下降法的最优风险界，基于局部高斯宽度推导出LSE的风险界扩展，提出Minkowski函数条件下的新势能构造方法，实现ESMD的minimax最优性分析。

Unconditional Truthfulness: Learning Unconditional Uncertainty of Large Language Models

无条件真实性：学习大语言模型的无条件不确定性

Artem Vazhentsev, Ekaterina Fadeeva, Rui Xing, Gleb Kuzmin, Ivan Lazichny, Alexander Panchenko, Preslav Nakov, Timothy Baldwin, Maxim Panov, Artem Shelmanov

机构 * MBZUAI ； Skoltech（斯克利切夫斯基因工大学） ； AIRI ； ETH Zürich（苏黎世联邦理工学院） ； The University of Melbourne（墨尔本大学） ； FRC CSC RAS（俄罗斯科学院计算技术研究所） 纠错

AI总结 本文提出通过学习注意力特征来解决大语言模型生成过程中不确定性评分的难题，通过两阶段训练方法提升了选择性生成的效果，优于其他无监督和监督方法。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing